А что если микросхемой типа ISD управлять микроконтроллером? Вот что написано про неё:
"В стандартном режиме воспроизведение звукового фрагмента начинается с нулевого адреса.
Однако может возникнуть ситуация, когда необходимо воспроизводить фрагмент, который
находится по адресу, отличному от нулевого. Или сохранить несколько разных фрагментов
и выбирать нужный фрагмент по его адресу. Например:
Для ISD1210 доступные адреса с 0 по 79 (десятичные), т.е по 125мсек. на адрес
(125мсек * 80 = 10сек.)
Для ISD1416 доступные адреса с 0 по 159 (десятичные), т.е. по 100мсек. на адрес
(100мсек.*160 = 16сек.)
Теперь, зная время сообщения, можно вычислить адреса."
79 - коротких звуков и собирать из них при помощи микроконтроллера слова и, даже, предложения... Мождь я чего не понял и там всё не так?